Note:mongoDB的索引的工作方式和关系数据库中的索引几乎是一样的。
1.索引简介
假设我们要按单个key查询,如下:
对单个的key进行查询的时候,我们可以在这个key上建立索引来提高查询速度。使用ensureIndex方法建立索引如下:
一个索引只需创建一次,重复创建相同的索引没有任何效果。
一个key上建立的索引会使对这个key的查询速度提高,除此之外就没有效果了,即使是查询包含这个key,如:
这个查询里,服务器必须遍历整个collction来找到日期符合的记录,这个过程叫做table scan(全表扫描),一般情况下你都会尽量避免
table scan,因为它对大型的collection运行非常缓慢。作为一条经验规则,你需要给它创建一个索引,包含了查询中用到的所有key的一个索引。
传递给ensureIndex方法的document参数和sort方法的参数是一样的,它是一组key/value对,值可能是1或-1,代表索引进行的方向。
如果索引里只有一个key,方向就无所谓了,如果索引里有多个key,那么你就得考虑索引的方向问题。假设我们有下边的一些用户:
{ " _id " : ..., " username " : " smith " , " age " : 30 , " user_id " : 1 }
{ " _id " : ..., " username " : " john " , " age " : 36 , " user_id " : 2 }
{ " _id " : ..., " username " : " john " , " age " : 18 , " user_id " : 3 }
{ " _id " : ..., " username " : " joe " , " age " : 36 , " user_id " : 4 }
{ " _id " : ..., " username " : " john " , " age " : 7 , " user_id " : 5 }
{ " _id " : ..., " username " : " simon " , " age " : 3 , " user_id " : 6 }
{ " _id " : ..., " username " : " joe " , " age " : 27 , " user_id " : 7 }
{ " _id " : ..., " username " : " jacob " , " age " : 17 , " user_id " : 8 }
{ " _id " : ..., " username " : " sally " , " age " : 52 , " user_id " : 9 }
{ " _id " : ..., " username " : " simon " , " age " : 59 , " user_id " : 10 }
如果我们建立索引{"username" : 1, "age" : -1},mongoDB就会按下边的样子组织用户:
{ " _id " : ..., " username " : " joe " , " age " : 36 , " user_id " : 4 }
{ " _id " : ..., " username " : " joe " , " age " : 27 , " user_id " : 7 }
{ " _id " : ..., " username " : " john " , " age " : 36 , " user_id " : 2 }
{ " _id " : ..., " username " : " john " , " age " : 18 , " user_id " : 3 }
{ " _id " : ..., " username " : " john " , " age " : 7 , " user_id " : 5 }
{ " _id " : ..., " username " : " sally " , " age " : 52 , " user_id " : 9 }
{ " _id " : ..., " username " : " simon " , " age " : 59 , " user_id " : 10 }
{ " _id " : ..., " username " : " simon " , " age " : 3 , " user_id " : 6 }
{ " _id " : ..., " username " : " smith " , " age " : 48 , " user_id " : 0 }
{ " _id " : ..., " username " : " smith " , " age " : 30 , " user_id " : 1 }
首先按名字的升序排列,名字相同的组里按降序排列。这索引会优化按{"username" : 1, "age" :-1}的排序操作,而对{"username" : 1, "age" : 1}
的排序效果就没那么好了,如果我们想优化{"username" : 1, "age" : 1},那就应该按{"username" : 1, "age" : 1}来建立索引,让年龄也升序排列。
对username和age建立的索引同时也会是对username的查询速度提高,通常,如果索引有N个key组成,对其中前边部分的查询速度也会提高。
例如,我们建立了索引{"a" : 1, "b" : 1, "c" : 1, ..., "z" : 1},那么效果上相当于我们也有了{"a" : 1}, {"a" : 1, "b" : 1}, {"a" : 1, "b" : 1, "c" :1}等等。
mongoDB的查询优化器会调整查询条件之间的顺序以利用索引,比如说你要查询{"x" : "foo", "y" : "bar"},而你的索引是{"y" : 1, "x" :1},优化器会自行调整。
索引的不利之处是给插入、更新、删除操作增添了一些负担。
在某些情况下,使用索引也许还不如不用索引。通常,如果查询返回collection里一半甚至更多的记录,那么相比为几乎每个document查找索引及其值,直接使用
全表扫描还更快些。
索引度量? (Scaling Index)
假设我们有个collection存储用户的状态消息,我们想按用户查询每个用户的最新状态,根据我们学到的知识,我们可能会这样建立索引:
这个索引会使对user和date的查询速度提高,但实际上并不是最好的选择。按照这个索引,我们的数据可能是下边这个样子:
User 123 on March 12 , 2010
User 123 on March 11 , 2010
User 123 on March 5 , 2010
User 123 on March 4 , 2010
User 124 on March 12 , 2010
User 124 on March 11 , 2010
...
如果只是这个数据规模,这样子看起来还是不错的,如果程序里有百万千万的用户,每个用户每天都会产生几十条状态更新呢?
如果每个用户的状态消息的索引记录都占用了磁盘空间一页的大小,那么每次进行最新状态查询时,数据都不得不加载另外一个页面进内存。
要是我们使用{date : -1, user : 1}做索引,那么数据库就可以将最近几天的索引保持在内存里,会有更少的页面对换,查询最新状态
也会更快。
对嵌入document的key建立索引
对嵌入的document建立索引和对顶级document建立索引没有差别,两者在组合索引里也可以组合使用。
为排序建立索引
如果对一个未建立索引的key调用sort方法,mongoDB需要取出所有的数据,放入内存然后排序,所以这个大小是有限制的,
如果collection太大,mongoDB就会返回一个错误。建立索引可以避免这个问题,使你可以对任意数量的数据进行排序而不会耗尽内存。
2.唯一索引
唯一索引保证对于指定的key,collection里每个document中其值都是唯一的。如,要保证用户名都不重复:
Note:如果key不存在,索引就会将其值存储为null,如果要再插入一个不含此key的document,插入就会失败,因为已经有了一个
值为null的document。
删除重复
对已有的collection建立唯一索引时,里边也许已经有了重复的值,这会导致索引建立失败,如果你想删掉具有重复值的document,
可以使用dropDups选项,遇到的第一个document被保留,其他的都被删除掉了。
组合唯一索引
组合唯一索引里的单个key的值可以是重复的,但是所有key的组合必须是唯一的。
3.使用explain和hint
explain方法返回一个document而不是游标本身,这个document包含了用到的索引、统计信息等。
举个例子,对一个无索引的collection执行一个最简单的查询({}),返回64个document,那么explain的输出为
{
" cursor " : " BasicCursor " ,
" indexBounds " : [ ],
" nscanned " : 64 ,
" nscannedObjects " : 64 ,
" n " : 64 ,
" millis " : 0 ,
" allPlans " : [
{
" cursor " : " BasicCursor " ,
" indexBounds " : [ ]
}
]
}
-
"cursor" : "BasicCursor" 意思是查询没有使用索引
- "nscanned" : 64
数据库扫描过的document数量 - "n" : 64
返回的结果集的document数量 - "millis" : 0
数据库执行查询消耗的毫秒数
现在我们看个稍微复杂点的例子,假设我们在age键上建立了索引,我们要查询年龄为20多岁的用户。
{
" cursor " : " BtreeCursor age_1 " ,
" indexBounds " : [
[{ " age " : 20 },{ " age " : 30 }]
],
" nscanned " : 14 ,
" nscannedObjects " : 12 ,
" n " : 12 ,
" millis " : 1 ,
" allPlans " : [
{
" cursor " : " BtreeCursor age_1 " ,
" indexBounds " : [
[{ " age " : 20 },{ " age " : 30 }]
]
}
]
}
-
"cursor" : "BtreeCursor age_1" 这次不是BasicCursor了,索引是存储在B-Tree的数据结构里,这个查询使用了索引,它是使用了B-Tree类型的游标。 age_1是索引的名字,有了这个名字我们就可以查询system.indexes collection,获取关于此索引的更多信息。
> db.system.indexes.find({ " ns " : " test.c " , " name " : " age_1 " })
{
" _id " : ObjectId( " 4c0d211478b4eaaf7fb28565 " ),
" ns " : " test.c " ,
" key " : {
" age " : 1
},
" name " : " age_1 "
} - "allPlans" : [ ... ]
列出了此查询可用的所有的计划。如果我们有多个索引和更加复杂的查询,"allPlans"就会包含所有可能的计划。
让我们看个更复杂点的查询例子,假设我们有一个索引{"username" : 1, "age" : 1}和一个索引{"age" : 1, "username" : 1},那么当我们
查询username和age的时候会发生什么事?实际上这样要依赖于查询。
{
" cursor " : " BtreeCursor username_1_age_1 " ,
" indexBounds " : [
[
{
" username " : " sally " ,
" age " : 10
},
{
" username " : " sally " ,
" age " : 1.7976931348623157e+308
}
]
],
" nscanned " : 13 ,
" nscannedObjects " : 13 ,
" n " : 13 ,
" millis " : 5 ,
" allPlans " : [
{
" cursor " : " BtreeCursor username_1_age_1 " ,
" indexBounds " : [
[
{
" username " : " sally " ,
" age " : 10
},
{
" username " : " sally " ,
" age " : 1.7976931348623157e+308
}
]
]
}
],
" oldPlan " : {
" cursor " : " BtreeCursor username_1_age_1 " ,
" indexBounds " : [
[
{
"username" : "sally",
"age" : 10
},
{
"username" : "sally",
"age" : 1.7976931348623157e+308
}
]
]
}
}
由于当我们查询的是一个确定的username值和一个age范围值,所以数据库使用的是{"username" : 1, "age" : 1}这个索引,
反过来,如果我们查询的是一个确定的年龄和名字范围,那么数据库就会使用另外的那个索引
{
" cursor " : " BtreeCursor age_1_username_1 multi " ,
" indexBounds " : [
[
{
" age " : 14 ,
" username " : ""
},
{
" age " : 14 ,
" username " : {
}
}
],
[
{
" age " : 14 ,
" username " : / .* /
},
{
" age " : 14 ,
" username " : / .* /
}
]
],
" nscanned " : 2 ,
" nscannedObjects " : 2 ,
" n " : 2 ,
" millis " : 2 ,
" allPlans " : [
{
" cursor " : " BtreeCursor age_1_username_1 multi " ,
" indexBounds " : [
[
{
" age " : 14 ,
" username " : ""
},
{
" age " : 14 ,
" username " : {
}
}
],
[
{
" age " : 14 ,
" username " : / .* /
},
{
" age " : 14 ,
" username " : / .* /
}
]
]
}
]
}
如果你发现数据库使用的不是你想用的索引,那么你可以使用hint强制数据库使用你指定的索引。
指定索引通常是没有必要的,mongoDB有自己的查询优化器,会很聪明地选择使用哪个索引,你只需要关心的是优化器有可用的索引以备选择。
4.索引管理
每个database都有个叫system.indexes的collection,它里边存储了索引的元数据信息,这个collection是保留的,不能进行插入或删除,
只能通过ensureIndex和dropIndexes命令来操作里边的document。system.indexes里包含了每个索引的详细信息,另外还有个叫
system.namespaces的collection列出了索引的名字。查看这collection可以看到,每个collection至少有两条记录,一个是collection本身,
另外的是collection里的每个索引。
建立索引是个耗时耗资源的操作,如果collection的数据量很大,你可以指定background选项来在后台进行工作。
如果没有使用background选项的话,database就会阻塞所有的请求,知道索引建立完成。
如果你不在需要某个索引,你可以用dropIndexes命令移除它,你可能得先在system.indexes里找到索引的名字,因为各种驱动自动生成
的索引名字各不一样。
使用*删除collection的所有的索引
5.地理空间索引
在ensureIndex方法中使用"2d"做参数而不是1或者-1,建立空间索引
gps这个key的值必须是某种成对的值,一个包含两个元素的数组,或者一个有两个key的嵌入的document,下边的例子都是可以的
{ " gps " : { " x " : - 30 , " y " : 30 } }
{ " gps " : { " latitude " : - 180 , " longitude " : 180 } }
嵌入的document里边key的名字是任意的,它们的值缺省是从-180到180,方便使用经纬度,如果你要使用其他的单位,可以指定
最大值和最小值
地理空间索引可以通过两种方式来使用,一是普通的find查询,另外是作为数据库命令。
和下边的使用geoNear命令进行的查询等价
mongoDB还允许你使用一个shape来查找document,为了查找shape里所有的点,我们可以使用"$within"条件操作符,使用"$box"
定义一个矩形
"$box"的值是含两个元素的数组,第一个是左边的Y值小的顶点,第二个是右边的Y值大的顶点。(大概就是这个意思,因为一般地理坐标系统
中,Y轴是向上的,而我们的屏幕坐标中,原点在左上角,Y轴是向下的,数据库里仅仅是数据)
同样,你也可以找到一个圆里边的所有点,$center的第一个元素是圆心,第二个元素是半径
组合空间索引
如果你要查询最近的咖啡馆
{
" _id " : ObjectId( " 4c0d1348928a815a720a0000 " ),
" name " : " Mud " ,
" location " : [x, y],
" desc " : [ " coffee " , " coffeeshop " , " muffins " , " espresso " ]
}